二维盲小波算法在地震资料处理中的应用

本文对盲小波算法的适用性与参数的选取进行了讨论,并利用实际的地震信号对金属矿地震资料进行了处理,结果表明盲小波算法去噪优势明显,能有效地消去其资料的随机噪声。     

小波变换方法在地震资料中去噪和提高分辨率中的应用

以小波变换为基础进行了叠前资料的面波去除处理。从分频处理的思路出发，研究了小波变换Ｆ－Ｘ域拟合去噪。借鉴二维Ｆ－Ｋ编程原理，实现了二维小波的快速算法，给出了噪声在二维小波变换域中的不同特征，进行了相应的处理。在小波变换域中，运用能量补偿方法提高了资料的分辨率。     

基于小波阈值的地震信号去噪处理

地震信号去噪处理是地震勘探所要解决的一项主要任务,提高地震信号信噪比也相应显得尤为重要。本文提出由heursure选取阈值和软阈值函数对测试信号、合成地震信号及实际地震数据进行二次小波分解分层量化处理,与常规小波阈值去噪相比,对含有高频分量的信号,该方法具有很好的去噪效果。     

小波分析在地震资料处理中的运用

小波分析降噪方法具有自适应和多分辨分析的特点,在时频两域都具有表征信号局部特征的能力的特点,被誉为数学显微镜,是一种窗口大小固定不变,但其形状可以改变的时频局部化分析方法。本文从介绍小波分析的发展简史开始,简述小波分析的基本原理,主要包括数据去噪和数据压缩两个方面,在数据去噪中总结目前比较常用的去噪方法及其原理,从而比较各自的优缺点。在数据压缩中讨论数据压缩的原理及方法,主要是冗余压缩和熵压缩两种,在允许失真的情况下,说明小波变换在地震数据的压缩处理中有比较好的压缩效果。     

小波变换方法在地震资料去噪和提高分辨率中的应用

以小波变换为基础进行了叠前资料的面波去除处理．从分频处理的思路出发，研究了小波变换ＦＸ域拟合去噪．借鉴二维ＦＫ编程原理，实现了二维小波的快速算法，给出了噪声在二维小波变换域中的不同特征，进行了相应的处理．在小波变换域中，运用能量补偿方法提高了资料的分辨率     

简述地震资料去噪的两种方法

地震资料去噪是地震资料数据处理的首要任务。根据不同噪音的形成机制、特性,可以选择不同的高保真度的去噪方法,使得地震资料的信噪比和分辨率达到预期的最高,从而降低地震资料解释的难度,提高地震资料解释的速度和精度。在众多的地震资料去噪方法中,频率域滤波和f—k域滤波是最基础的去噪方法,也是地震资料处理人员最常用的去噪方法。频率域滤波可很好的压制面波等规则的干扰波,f—k域滤波去除折射波、直达波等线性干扰波具有很好的效果。     

基于小波变换的爆破地震信号去噪的应用

运用小波变换在不同的尺度下观察信号局部化特征。由于信号和噪声具有不同的奇异性，它们的二进小波变换模的极大值在不同尺度下的传播特性也不相同。在相邻模极小构成的待选通域中分析出噪声局部极大值所在的选通域进行平滑处理，从而得到局部信号的小波系数，将其反变换重建出去噪后的信号。将该方法用于爆破地震信号去噪声，结果表明：这种方法计算简单，且去噪效果较好。     

自适应联合小波去噪算法

对于传统小波去噪方法，由于选用了单个的小波基，很难兼顾图像的平滑区域、边缘和纹理部分。而对于多小波基的去噪方法，尽管选择多个具有不同性质的小波基，但已有的文献中只是简单地取其算术平均，没有很好地体现小波基的多样性，造成了丢失细节与过平滑的后果。针对图像的非均匀性以及每个小波基支撑区间的不同，提出了一种自适应联合小波去噪算法，对图像中的不同区域和每个小波基处理的不同结果赋予不同的权系数，这样就充分发挥了每个小波基的作用，取得了满意的实验结果。     

自适应联合小波去噪算法

对于传统小波去噪方法,由于选用了单个的小波基,很难兼顾图像的平滑区域、边缘和纹理部分。而对于多小波基的去噪方法,尽管选择多个具有不同性质的小波基,但已有的文献中只是简单地取其算术平均,没有很好地体现小波基的多样性,造成了丢失细节与过平滑的后果。针对图像的非均匀性以及每个小波基支撑区间的不同,提出了一种自适应联合小波去噪算法,对图像中的不同区域和每个小波基处理的不同结果赋予不同的权系数,这样就充分发挥了每个小波基的作用,取得了满意的实验结果。     

基于小波消噪和盲源分离的脑电信号处理方法

针对脑电信号中噪声及夹杂的眼电、心电等伪迹,采用小波分解重构消噪和基于熵估计的RADICAL算法进行消除.对3路脑电观测信号进行小波消噪和白化处理后,通过雅可比旋转矩阵分别对其中的两两组合信号用RADICAL算法进行分离,得出最优分离矩阵完成盲源分离,并引入互相关系数、矩阵相关系数验证算法的有效性.实验结果表明:源信号...     

基于小波相关性的改进阈值去噪算法

提出了一种基于SSNF算法与阈值去噪相结合的方法,实现了图像去噪.针对统一阈值去噪方法去噪后图像模糊的缺点,利用小波层间相关性提取并保留被"过扼杀"的一部分边缘信息,从而使得去噪图像的细节信息得到更多保留.实验结果表明,改进后算法可以有效地减弱统一阈值的"过扼杀"倾向,对去噪后图像模糊的失真有一定的改善.     

基于小波多尺度乘积的信号去噪算法

根据信号与噪声在小波变换下表现出截然不同的性质,提出了一种基于小波多尺度乘积的信号去噪算法,该算法首先对信号进行多尺度二进制小波变换,通过相邻尺度小波系数乘积提取小波变换模极大值的小波系数和去除噪声小波系数：再利用模极大值小波系数进行小波逆变换得到去噪后的信号。实验仿真表明：该算法在有效去除噪声的同时,也能保留信号的重要特征。     

一维小波变换在地震数据噪声抑制方面的应用

本文针对实验数据体的特征和各去噪方法的适用条件,有针对性的选取一维小波变换方法去除地震数据噪声,通过对四种阈值量化方法和六种小波函数进行实验计算和效果分析,得到了合适的小波函数和阈值量化方法。研究结果表明:一维小波变换对地震数据具有一定的去噪效果,可有效抑制噪声,保护和补偿有效信号。     

一种分层阈值优化的语音感知小波去噪方法

通过分析含噪语音信号的特点,引入能够兼顾人耳听觉特性的听觉感知小波变换,构造了新的小波阈值函数,并对小波变换分解后的阈值进行基于微粒群算法的分层优化.仿真实验表明,该方法在不同信噪比条件下均具有较好的去噪性能,语音的可懂度和听觉效果得到有效提高.     

量化在基于正交小波的盲均衡算法上的应用

常数模算法(CMA)是实际中应用最广的一种盲均衡算法，基于正交小波的CMA算法(WBCMA)与传统的LMS算法的横向均衡器相比收敛速度快，但计算量却有所增加，把量化应用到WBCMA上，采用以2的整数次幂对误差项进行量化，减小了误差项的字节数，因此减少了算法迭代中的乘法运算．计算机仿真证明了该方法的有效性，     

一维离散小波变换在心电信号降噪中的应用

为准确提取反映心电信号的特征信息,提出应用一维离散小波变换实现对心电信号的降噪处理方法。首先介绍了一维离散小波变换的基本思想;其次,应用小波分解与重构的方法(Mallat算法)在MATALB环境中编程实现对心电信号的降噪处理;最后,引入降噪信号与原信号的能量比(ENR)、均方根误差(RMSE)和自相关系数(AC)作为小波变换的降噪评价指标。可见,该方法能够有效地去除心电信号中的噪声干扰,对于实现心电信号特征信息的提取具有一定的参考价值。     

基于图像整数小波变换的盲数字水印嵌入算法

提出了一种新的在静态图像中嵌入盲水印的算法.通过调整图像3个高频小波变换域的系数,使之对某个整数取模后的余数符合一定的规律,从而表示水印信息.本算法是一种非线性的算法,其优点是可以嵌入的水印数据量大,从信息隐藏的角度,可达2 b it/p ixe l或更多,且对图像的篡改敏感.算法的思想具有通用性,可以结合其他的图像变换和量化方法,达到预定的要求.     

一种新的基于多进制小波变换的盲水印算法

基于多进制小波变换提出了一种针对灰度水印图像的盲水印新算法．试验结果表明,该算法具有良好的不可见性和鲁棒性．